港中深团队打造新型AI评测集,或可成为数学大模型检验的重要基准

近日,港中来自香港中文大学(深圳)的深团数学一支科研团队通过求解器的引入,把大模型回答的队打大模合川市某某过滤器制造业务部数学模型交给求解器解决,进而通过比对求解器的造新重基准答案,得以成功判断数学模型的型A型检正确性。
这相当于为参加考试的测集成考生准备了高级计算器,只需输入方程就能得出准确答案。港中这样一来,深团数学就可以判断学生所写的队打大模方程是否正确。
基于这个理念,造新重基准该团队构建了一款名为 Mamo 的型A型检评测集,能够结合不同的测集成求解器评测大模型相应的建模能力。
未来,港中合川市某某过滤器制造业务部这一评测集可能会成为数学大模型检验的深团数学重要基准,从而能够用于测试新训练大模型的队打大模建模能力。
同时,本次评测集的出现,也让评测中间过程成为可能,有望带动运筹大模型的发展。
谈及本次课题的初衷,研究人员表示在讨论 AI for math、特别是讨论大模型 for math 的时候,他们重点讨论了使用大模型做定理证明的任务。
借此发现采用现有的形式化定理证明工具,可以自动地验证证明过程的正确性,从而确定大模型的证明是否正确。否则,用自动化的方式判断一段数学证明的正确性是比较困难的。
以此为启发:他们想知道在其他任务中,是否存在和形式化定理证明工具一样的东西?如果有的话,能否让他们以简单的方式判断大模型的答案是否正确?
于是他们想到了求解器。当给定目标之后,求解器可以帮助运行出对应问题/对应方程的解。
通过对不同解答的比对,就可以判断中间过程、也就是判断数学模型的正确性。
此外,一直以来,人们对于大模型的数学能力的比较,一直是在最终结果(即一道题的最终答案)上,但却缺乏对于中间过程的关注。
打个比方,就是像数学考试解答题的判卷中,只考虑最后的答案正不正确,而忽略了中间的解题过程。但是,中间的解题过程和答案一样重要。
因此,课题组希望把这个评价体系拆开,不再只是关注最终答案,而是关注中间的解题过程。于是,便开展了本次研究并发表了相关论文。
图 | 论文作者黄旭函(来源:黄旭函)
日前,相关论文以《Mamo: 一个带有求解器的数学建模基准》(Mamo: a Mathematical Modeling Benchmark with 求解器 s)为题发在arXiv[1]。
图 | 相关论文(来源:arXiv)
下一步,他们将扩充数据,同时探索能够适配 Mamo 的不同求解器种类,以及构建相应的评测集。
参考资料:
1.https://arxiv.org/pdf/2405.13144
相关文章
- 版权声明:本文版权为网易汽车所有,转载请注明出处。网易汽车10月5日报道 近日,蒙迪欧参数丨图片)家族再添新成员,1.5T EcoBoost®E混动版舒雅型正式上市,厂商指导价17.78万元。新车在延2025-10-11
- 原标题:"中国有和平计划,美国有战争计划",欧盟有"收拾"他的计划…) 【导读】 “中国有一个和平计划,美国执行的则是战争政策。”欧尔班遗憾道,“而欧洲,我们没有2025-10-11
网红“蔡老板”登报向特斯拉道歉!粉丝曾超700万,已被全网封禁
7月9日,根据《法治日报》电子版官网显示,网红“蔡老板”蔡甲登报向特斯拉发布致歉声明:2022年12月5日,本人蔡甲在抖音平台上发布了视频《讲述网友经历》、《就是这么麻木》。 在上述两个视频中,本人蔡2025-10-11- 为发挥大V引领作用,引导房地产领域“自媒体”规范信息发布、依法合规运营,近日北京市网信办联合市住建委召开房地产领域“自媒体”大V行业指导会,提醒“自媒体”大V准确把握政策、规范信息发布、打造优质内容,2025-10-11
- 近日,国家邮政局市场监管司就快递企业处理场所发生安全生产事故事件对申通快递有限公司以下简称申通快递)进行行政约谈。 约谈指出,近日,申通快递黑龙江省分拨中心发生伸缩机倒塌致1名员工死亡事故,充分2025-10-11
- 新京报讯 北京教育考试院发布2024年北京市中招各区分数段人数统计。人数统计不含无升学资格考生、“1+3”学生、已被普通高中登记入学和中等职业教育自主招生录取考生。相关链接:2024年北京市中招各区分2025-10-11
最新评论